UC Berkeley publie une base de données IA des lois locales

Une équipe de chercheurs de l'Université de Californie à Berkeley a développé une base de données gratuite et ouverte répertoriant l'intégralité des lois locales aux États-Unis. Couvrant les cinquante États et des milliers de municipalités et comtés, cette ressource inédite vise à rendre le paysage réglementaire local accessible, comparable et analysable à grande échelle. Depuis six ans, le professeur Diag Davenport, spécialiste des politiques technologiques et de la gouvernance, planchait sur cette idée pour étudier les biais systémiques dans les textes législatifs. La fragmentation extrême des normes municipales, dispersées sur des milliers de sites gouvernementaux aux formats variés, avait jusqu'ici rendu cet exercice quasi impossible. La récente disponibilité d'outils d'intelligence artificielle a permis de dépasser ce verrou technique. Le projet a mobilisé Denis Peskoff, Joe Barrow et Christopher Vu pour collecter et traiter près de sept millions de pages de documents officiels. Grâce au modèle de reconnaissance optique LightOnOCR, l'équipe a extrait et standardisé le texte et la structure de fichiers PDF souvent illisibles. Des modèles développés par OpenAI ont ensuite été employés pour catégoriser et étiqueter les ordonnances, transformant un archivage dispersé en un corpus structuré et exploitable par les systèmes modernes. La base a été mise en ligne en juin. Cette infrastructure ouvre la voie à de nouvelles applications pratiques. Rechercheurs, journalistes et décideurs publics pourront comparer rapidement les règlements entre territoires, étudier les différences d'application ou analyser la lisibilité des normes selon les régions. Les développeurs et entrepreneurs seront également en mesure de créer des assistants conversationnels spécialisés ou des outils d'estimation des coûts pour des secteurs comme la construction ou la régulation commerciale. Le principe fondateur du projet impose que les futurs outils dérivés restent gratuits et accessibles au grand public. Selon Diag Davenport, cette cartographie numérique constitue une avancée majeure pour la transparence administrative. En rendant les règles quotidiennes visibles et comparables, elle permet de poser des questions plus précises sur l'efficacité des réglementations locales, leur équité et leur impact concret sur les citoyens. Le papier détaillant la méthodologie et les résultats a été accepté lors de la conférence NeurIPS, le principal sommet mondial en apprentissage automatique, où les auteurs présenteront leurs travaux en décembre. Cette initiative positionne l'analyse computationnelle comme un levier essentiel pour comprendre et améliorer la gouvernance territoriale aux États-Unis.